来源：华创证券
本文将从一个崭新的角度进行宽基指数择时的探索。数据探索系列择时报告将基于遗传规划算法对宽基指数择时因子进行挖掘，遗传规划基本思想和遗传算法一致，即模拟生物进化过程中自然选择以及遗传过程中复制、交叉和变异等过程。与生物种群类似，算法由一个初始种群开始，利用指定算法选择配对交叉产生后代，并在遗传过程中模拟基因的变异进而获得包含新基因特征的种群，在遗传过程中计算每个个体的适应度，并通过适应度来寻求最优个体。遗传规划不同于其他机器学习的黑箱模式，其可以获得显式的表达式，这在后续从逻辑角度解读算式以及过拟合检验等方面都具有无可比拟的优势。
此外，在遗传规划中最为重要的就是适应度函数的选择。适应度函数是引导种群在解空间游走的指挥棒，不同的适应度函数具有不同的收敛效果，本文根据投资策略最为重视的几大指标构建了复合的适应度函数，力求挖掘出的因子满足多维度要求。
其次，本文通过参数设置和样本外检验两种方式进行了过拟合检验。文中
参数的选取均为 5 的倍数，防止因子收敛至局部尖点。样本内表现优异的因子在通过样本外检验后，才能进入备选因子库。
最后，本文选取了表现较好的多个算式合成了最终的沪深 300 指数多空择时策略，年化收益率 61.52%，最大回撤 14.79%，年平均交易次数 26.4 次，夏普比率 2.439，胜率 61.14%，盈亏比 2.941。
（PDF，1.8M，17页）
评论0